您当前的位置： 首页 > 论文 > 2018,49(03) > 信息与计算机科学
基金项目:
国家自然科学基金资助项目（61503272）； 山西省青年科技研究基金资助项目（2015021090）； 中国博士后基金资助项目（2016M601287）；
分类号:
R749.3;TP181
DOI:
10.16355/j.cnki.issn1007-9432tyut.2018.03.015
期刊号:
2018,49(03)
收稿日期:
修回日期:
| 通讯作者 | 单位 |
| 马垚 | 太原理工大学信息与计算机学院 |
摘要:
通过任务转换实验（task-switching task,TST）与机器学习相结合的方法对精神分裂症患者进行客观辨别。本实验中,45例精神分裂症患者和55例正常被试参与了实验,原始特征为反应时间、准确率、转换代价、干扰、年龄和性别等17个特征,利用Relief算法进行特征选择,并利用支持向量机（SVM）对不同的特征组合进行分类。研究结果表明短提示一致有转换、短提示一致无转换、短提示不一致无转换、长提示一致有转换、长提示一致无转换、转换代价、剩余转换代价和反应转换代价8个特征创建的SVM分类模型达到了90%的分类准确率,ROC曲线下面积（AUC）大小为0.89.该方法能够客观、有效地鉴别精神分裂症患者,能运用于精神分裂症的辅助诊断,以提高医生诊断结果的准确率。
关键字:
精神分裂症;任务转换;执行控制;特征选择;支持向量机;